用于确定光热发电机组的机组参数值的方法及装置与流程

本申请涉及新能源，具体地涉及一种用于确定光热发电机组的机组参数值的方法及装置。

背景技术：

1、近年来，新能源技术日渐得到了广泛的研究与应用，例如光热发电技术。光热发电技术作为新能源领域的重要组成部分，相比于风电和光伏发电，光热发电具有更加稳定的输出和储能的优势，能够有效解决新能源接入电网的调峰问题。

2、然而，由于缺乏系统化的优化方法和工具，现有技术通过对单一参数的优化调整，从而提高大功率光热系统的发电功率，但单一参数的优化调整，其对于大功率光热系统的发电功率的增长的影响较小，难以满足大功率光热系统的发电功率需求，因此，现有技术存在难以满足大功率光热系统的发电功率需求的问题。

技术实现思路

1、本申请实施例的目的是提供一种用于确定光热发电机组的机组参数值的方法、装置、光热发电机组以及存储介质，用以解决现有技术中难以满足大功率光热系统的发电功率需求的问题。

2、为了实现上述目的，本申请第一方面提供一种用于确定光热发电机组的机组参数值的方法，该方法包括：

3、获取预确定的光热发电机组的目标机组参数的多组候选机组参数值，其中，目标机组参数包括主蒸汽压力、除氧器抽汽压力、各级高压加热器抽汽压力以及各级低压加热器抽汽压力，候选机组参数值位于各目标机组参数对应的预设参数值范围内；

4、基于预训练的发电功率预测模型，确定各组候选机组参数值对应的预测发电功率；

5、确定各预测发电功率中的最大者，以得到目标预测发电功率；

6、将目标预测发电功率对应的候选机组参数值确定为光热发电机组的目标机组参数的目标机组参数值。

7、在本申请实施例中，发电功率预测模型的训练过程包括：获取光热发电机组的目标机组参数的历史机组参数数据集，其中，历史机组参数数据集包括历史机组参数训练集和历史机组参数测试集，历史机组参数测试集包括多个历史实际发电功率；根据历史机组参数训练集对初始发电功率预测模型进行训练，以得到第一发电功率预测模型；根据历史机组参数测试集对第一发电功率预测模型进行测试，以得到第二发电功率预测模型，其中，第二发电功率预测模型为满足第一发电功率预测模型输出的历史预测发电功率与历史实际发电功率之间的数值误差小于或等于预设误差阈值的第一发电功率预测模型；从历史机组参数测试集中随机选取预设数量的数据，以得到历史机组参数验证集；根据历史机组参数验证集，对第二发电功率预测模型进行评价，以得到各预设模型评价指标对应的模型评价分值；将模型评价分值满足第一预设条件的第二发电功率预测模型确定为训练好的发电功率预测模型，其中，第一预设条件为模型评价分值均小于或等于预设模型评价指标对应的预设评价分值阈值。

8、在本申请实施例中，根据历史机组参数测试集对第一发电功率预测模型进行测试，以得到第二发电功率预测模型，包括：根据历史机组参数测试集对第一发电功率预测模型进行测试，以得到第一发电功率预测模型的模型测试结果，模型测试结果包括历史实际发电功率与第一发电功率预测模型输出的历史预测发电功率之间的数值误差；在模型测试结果满足第二预设条件的情况下，将第一发电功率预测模型作为第二发电功率预测模型，其中，第二预设条件为数值误差小于或等于预设误差阈值；在模型测试结果不满足第二预设条件的情况下，继续根据历史机组参数训练集对第一发电功率预测模型进行训练，直至训练后的第一发电功率预测模型的模型测试结果满足第二预设条件，以得到第二发电功率预测模型。

9、在本申请实施例中，根据历史机组参数验证集，对第二发电功率预测模型进行评价，以得到各预设模型评价指标对应的模型评价分值，包括：根据历史机组参数验证集对第二发电功率预测模型进行评价，以得到第二发电功率预测模型输出的历史预测发电功率；确定历史实际发电功率和历史预测发电功率的差值，以得到第二发电功率预测模型的预设模型评价指标对应的模型评价分值。

10、在本申请实施例中，该方法还包括：在模型评价分值不满足第一预设条件的情况下，继续根据历史机组参数训练集对第二发电功率预测模型进行训练，直至训练后的第二发电功率预测模型输出的历史预测发电功率满足模型评价分值均小于或等于各预设模型评价指标对应的预设评价分值阈值，以得到训练好的发电功率预测模型。

11、在本申请实施例中，预设模型评价指标包括平均绝对误差、均方根误差、平均绝对百分比误差、模型预测准确率以及皮尔逊相关系数。

12、在本申请实施例中，发电功率预测模型为基于误差反向传播神经网络构建得到的模型。

13、本申请第二方面提供一种于确定光热发电机组的机组参数值的装置，包括：存储器，被配置成存储指令；以及处理器，被配置成从该存储器调用该指令以及在执行指令时能够实现上述的确定光热发电机组的机组参数值的方法。

14、本申请第三方面提供一种光热发电机组，包括：根据上述的用于确定光热发电机组的机组参数值的装置。

15、本申请第四方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行根据上述的确定光热发电机组的机组参数值的方法。

16、上述技术方案，通过获取预确定的光热发电机组的目标机组参数的多组候选机组参数值，其中，目标机组参数包括主蒸汽压力、除氧器抽汽压力、各级高压加热器抽汽压力以及各级低压加热器抽汽压力，候选机组参数值位于各目标机组参数对应的预设参数值范围内；而后，基于预训练的发电功率预测模型，确定各组候选机组参数值对应的预测发电功率；进一步地，确定各预测发电功率中的最大者，以得到目标预测发电功率；最终，将目标预测发电功率对应的候选机组参数值确定为光热发电机组的目标机组参数的目标机组参数值。如此，将多个目标机组参数同时进行考虑，从而确定目标预测发电功率对应的目标机组参数对应的目标机组参数值，相比于现有技术对单一参数的优化调整，避免了对单一参数进行调整优化的局限性，可确定在多个目标机组参数影响下的目标预测发电功率，可提高光热发电机组的发电功率，从而最大限度地满足大功率光热系统的发电功率的需求。

17、本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

1.一种用于确定光热发电机组的机组参数值的方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述发电功率预测模型的训练过程包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述历史机组参数测试集对所述第一发电功率预测模型进行测试，以得到第二发电功率预测模型，包括：

4.根据权利要求2所述的方法，其特征在于，所述根据所述历史机组参数验证集，对所述第二发电功率预测模型进行评价，以得到各预设模型评价指标对应的模型评价分值，包括：

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

6.根据权利要求2所述的方法，其特征在于，所述预设模型评价指标包括平均绝对误差、均方根误差、平均绝对百分比误差、模型预测准确率以及皮尔逊相关系数。

7.根据权利要求1所述的方法，其特征在于，所述发电功率预测模型为基于误差反向传播神经网络构建得到的模型。

8.一种用于确定光热发电机组的机组参数值的装置，其特征在于，包括：

9.一种光热发电机组，其特征在于，包括：

10.一种机器可读存储介质，其特征在于，该机器可读存储介质上存储有指令，该指令用于使得机器执行根据权利要求1至7中任一项所述的确定光热发电机组的机组参数值的方法。